[發明專利]基于AI的影像科醫療影像輔助識別方法及系統

在審

• 申請號: 201911405387.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111209945A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 覃士忠
• 申請（專利權）人: 覃士忠
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 江慧

一種基于AI的影像科醫療影像輔助識別方法，包括如下步驟：S1、從服務器中提取歷史訓練樣本數據，對歷史訓練樣本數據進行時空關聯性預處理，從而得到帶有時間演進特征的訓練樣本數據集合；S2、通過帶有時間演進特征的訓練樣本數據集合來訓練網絡識別模型；S3、通過網絡識別模型對待預測醫療影像進行輔助識別，得到待預測醫療影像的輔助識別結果，并將輔助識別結果發送到終端進行展示。

技術領域

本發明涉及智慧醫療技術領域，特別涉及一種醫療影像輔助識別方法及系統。

背景技術

影像是輔助醫生診斷的工具，有數據顯示，70％的臨床診斷需要借助專業的醫學影像。

影像醫生在人手緊張，同時又要面對大量復雜的影像情況下，難免漏診誤診。據公開數據顯示，中國每年的影像誤診人數約為5700萬。此外，患者拍片常需排隊預約。

目前已有現有技術通過建立人體器官模型及深度神經網絡技術，實現了病灶的高識別度。通常醫生需要30分鐘解讀的片子，AI能在幾秒之內識別。

但是，目前醫療影像AI輔助識別系統中在進行深度神經網絡算法識別時，在選擇訓練樣本時，往往只關注了訓練樣本的數量，而對于訓練樣本的時間關聯關注卻并不夠，使得很多疾病發病的成因、演變的識別率并不高。

發明內容

有鑒于此，本發明提供一種基于AI的影像科醫療影像輔助識別方法及系統。

一種基于AI的影像科醫療影像輔助識別方法，包括如下步驟：

S1、從服務器中提取歷史訓練樣本數據，對歷史訓練樣本數據進行時空關聯性預處理，從而得到帶有時間演進特征的訓練樣本數據集合；

S2、通過帶有時間演進特征的訓練樣本數據集合來訓練網絡識別模型；

S3、通過網絡識別模型對待預測醫療影像進行輔助識別，得到待預測醫療影像的輔助識別結果，并將輔助識別結果發送到終端進行展示。

在本發明所述的基于AI的影像科醫療影像輔助識別方法中，

所述步驟S1包括：

S11、從服務器中提取歷史訓練樣本數據，所述歷史訓練樣本數據包括不同患者在不同時間節點所拍攝的醫療影像資料，并對醫療影像資料根據先驗規則進行分割得到各功能區矩陣數據；

S12、將各功能區矩陣數據進行時空關聯性預處理得到帶有時間維度的圖像序列數據，所述圖像序列數據即為帶有時間演進特征的訓練樣本數據集合。

在本發明所述的基于AI的影像科醫療影像輔助識別方法中，

所述步驟S11中歷史訓練樣本數據形式如下：

P＝M×N×T；其中，每張圖像大小為M×N，圖像的時間維度為T，1≤m≤M，1≤n≤N，1≤t≤T，P(m,n,t)表示時間點為t的醫療影像圖像在位置(m,n)處的灰度值；

對醫療影像資料根據先驗規則進行分割得到各功能區矩陣數據包括：

根據先驗規則設置功能區數量為k類；并設置k類功能區各自預設關聯值；

將矩陣P按照第一規則分割為多個第一子矩陣；通過分割函數計算第一子矩陣的關聯值，通過第一子矩陣的關聯值與k類功能區各自預設關聯值的對比結果將第一子矩陣劃分到各功能區得到第二子矩陣；

所述分割函數如下：